数値気象予測は、特に異常気象に対して脆弱な社会において、人命を救い、財産を保護する上でその価値をますます証明しています。これらの極端な現象は気候変動の影響でさらに激化しており、数値による気象予測の重要性がますます高まっています。数値天気予報のスキルを強化する 1 つの方法は、物理ベースのアルゴリズムとモデルを、現場、リモート センシング、およびモノのインターネット (IoT) によって駆動される無数の接続センサー測定 (衛星、レーダー、ライダー、放射計など) によって育まれた機械学習 (ML) および人工知能 (AI) モデルの力で強化することです。
デジタル ツインという用語は、運用中にさまざまな種類のセンサーや資産の監視テクノロジーを使用して収集された実際のデータから派生した、システムまたは物理資産のデジタル レプリカを指すために使用されています。多くの場合、これは、物理的な対応物のパフォーマンスで操作を分析、更新、予測、管理するために分析データ駆動モデル (つまり、ツイン) が構築されていることを意味します。
ML と AI は過去に基づいて予測を行い、履歴データに基づいてトレーニングされた推論を自動化します。これはナウキャスティングにはうまく機能しますが、包括的、増分的、多面的な再トレーニングを使用すると、定量的な確実性で将来を予測することが可能になります。
気象システムは非常に非線形であるため、現在の小さな変化が将来的に信じられないほど大きな変化を引き起こす可能性があります。非線形システムはランダムではありませんが、システムの動作を予測するのは難しい場合があります。中長期、特に気候変動の予測は、物理法則の第一原理に依存しています。予測モデルを初期化するために利用できるデータがほとんどない場合、および新しい初期条件が現れる可能性がある場合、新しい因果関係を予測できるのは、物理ベースのモデリングとアルゴリズムだけです。
TQI の目的は、加速された物理ベースの予測から、物理ベースのアルゴリズムを使用して必要な時間のかかる計算をバイパスする拡張予測に拡張することです。これは、ML とディープラーニング (DL) によって生成された予測モデルを追加して、AceCAST でエンコードされた物理法則を複製することを意味します。 TQI は、次のような新しいアプローチを採用しています。 ハイブリッドウェザーツイン (HWT) は、意思決定のための物理ベースのモデリングとデータ駆動型のモデリングを組み合わせたもので、すべての製品とサービスに適用されます。前者は理論的な説明と初期条件の変化に基づいて原因と結果の関係を構築し、将来のイベントの可能性を探ります。一方、後者は実際の観測値を使用してハイブリッド モデルを更新します。 TQI の HWT は、対応するデジタル ツインと、加速された物理ベースの予測モデル、および利用可能な現代の気象データ分析テクノロジーを最大限に活用した最新の ML/DL ベースのオフロード トレーニング モデルを融合することで、速度とパフォーマンスの両方の利点を活用します。
以下の図は、HWT の概念アーキテクチャを示しています。一つの特徴的な点は、「ハイブリッド」はさまざまなレベルで適用されます。
- 計算ノード: CPU と GPU
- 導入: オンプレミス、オンデマンドのプライベート クラウドおよびパブリック クラウド
- データソース: グリッドデータ、観測データ、プライベートデータ
- 同化/予測モデル: 物理ベースおよび ML/AI
Hybrid Weather Twin の概念アーキテクチャのイメージ。
TQI は、いくつかのレベルで ML/DL メソッドを使用します。まず、前処理レベルで、データの間引き、強化、同化を改善します。影響の大きいイベントを自動的に特定することで、そのデータを同化プロセスで優先的に使用できます。 2 つ目は、計算コストのかかる第一原理ルーチンを ML/DL で構築されたサロゲート モデルに置き換えることです。 3 番目に、後処理で、最も重要な変数、パターン、外れ値を自動的に検出します。
この HWT アプローチは、理論ベースのモデルと ML/DL 駆動モデルの組み合わせと相補性に依存しており、両方のタイプのモデルが同じ GPU プラットフォームで実行される場合に、より強力で効率的になります。 AceCAST 天気予報ソフトウェアでは、偏微分方程式ソルバーと ML/DL の両方が GPU 上で実行され、高速でハイパーローカルなカスタム予報が可能になります。
AceCAST (HWT の物理ベースのコンポーネント) の高解像度は、小規模な極端な現象をシミュレートするモデルの能力を直接強化し、観測の情報を初期段階でより適切に同化できるようにします。そうすることで、不正確なパラメーター化されたプロセスへのモデルの依存性が減り、系統的エラーが減少します。
HWT には ML と DL が組み込まれており、動的モデルを自動的かつ継続的に改善し、科学シミュレーションの局所的な偏りを軽減し、情報配信を加速します。
近道として、物理ベースのモデルは仮想ツインを定義し、ML/DL モデルはデジタル ツインを定義します。ハイブリッド ウェザー ツインは、この 2 つを融合したもので、新しいレベルの精度で天気と気候の予測スキルを向上させる未開発の機会を提供します。
HWT は、より優れた/より高速/より安価な天気予報インテリジェンスを提供し、天候と気候が経済に与える影響を管理するための意思決定システムを構築するための TQI の革新的なプラットフォームです。
追加の最新情報については、LinkedIn、Facebook、Twitter アカウントで TempoQuest をフォローしてください。今後も最新ニュースやコラボレーションを皆様と共有できることを楽しみにしています。
TempoQuestリンクトイン: https://www.linkedin.com/company/tempoquest-inc TempoQuest フェイスブック: https://www.facebook.com/TempoQuestInc TempoQuest Twitter: https://twitter.com/tempoquest株式会社
